如何计算指定时间范围内各时段代码提交占比并定位高效工作时段

我来帮你搞定这个时段提交占比的统计问题，结合你现有的代码和需求，我们可以一步步实现目标：

首先，先把指定时间范围的数据筛选逻辑补全（你之前的代码有点截断），确保我们只处理目标时间内的提交：

import pandas as pd

# 假设你的原始数据是self.df，先筛选时间范围
after = pd.to_datetime("2020-12-28", utc=True)
before = pd.to_datetime("2021-04-10", utc=True)
filtered_df = self.df[(self.df["date"] > after) & (self.df["date"] < before)]

接下来，我们按24小时制的小时段统计提交数（完全避开12am/pm的划分方式）。注意你的DataFrame里一个提交（同一个sha）对应多行文件记录，所以要先按提交去重，避免重复统计：

# 去重：每个提交只统计一次
unique_commits = filtered_df.drop_duplicates(subset="sha")
# 按小时统计提交量，确保按0-23的顺序排列
commit_per_hour = unique_commits["date"].dt.hour.value_counts(sort=False).sort_index()
# 重命名索引和列，让结果更清晰
commit_per_hour.index.name = "hour_of_day"
commit_per_hour.name = "commit_count"

然后计算累积占比，也就是从0点到当前小时的提交数占总提交数的百分比，这样能直观看到提交量随时间的累积趋势：

total_commits = commit_per_hour.sum()
# 计算累积提交占比，保留两位小数
cumulative_ratio = (commit_per_hour.cumsum() / total_commits * 100).round(2)
# 合并成一个DataFrame，方便查看和后续处理
hourly_stats = pd.DataFrame({
    "commit_count": commit_per_hour,
    "cumulative_percentage": cumulative_ratio
})

hourly_stats的输出格式会是这样（示例）：

接下来是定位高效工作时段，我们可以通过两种方式筛选：

# 方式1：找出提交数高于平均值的时段
avg_commit = commit_per_hour.mean()
high_efficiency_hours = commit_per_hour[commit_per_hour > avg_commit].index.tolist()

# 方式2：找出提交数Top3的时段
top3_hours = commit_per_hour.nlargest(3).index.tolist()

print(f"高效工作时段（提交数高于平均）：{high_efficiency_hours}")
print(f"提交数Top3时段：{top3_hours}")

如果需要可视化展示累积占比和每小时提交量，可以用matplotlib快速生成图表：

import matplotlib.pyplot as plt

plt.figure(figsize=(12,6))
# 折线图展示累积占比
plt.plot(cumulative_ratio.index, cumulative_ratio.values, marker='o', label='Cumulative Percentage')
# 柱状图展示每小时提交数
plt.bar(cumulative_ratio.index, commit_per_hour.values, alpha=0.5, label='Commit Count')
plt.xlabel('Hour of Day (24h)')
plt.ylabel('Count / Percentage')
plt.title('Hourly Commit Count & Cumulative Percentage (2020-12-28 to 2021-04-10)')
plt.legend()
plt.xticks(range(0,24))
plt.grid(axis='y', linestyle='--')
plt.show()

关键说明： #

• 我加入了drop_duplicates(subset="sha")，因为你的DataFrame里一个提交对应多行文件记录，统计提交数时应该按提交去重；如果你的需求是按文件修改数统计，可以去掉这一步。
• 用sort_index()确保小时按0-23的自然顺序排列，避免结果混乱。
• 累积占比用cumsum()计算后除以总数，能清晰展示提交量随时间的累积过程，方便你快速定位提交集中的时段。

内容的提问来源于stack exchange，提问作者milan